Kann ein iPhone ein Voice-Memo-Transkript laut vorlesen?

Der Wunsch ist naheliegend: Ein Transkript liegt vor, und es still zu lesen hilft gerade nicht weiter. Vielleicht fällt ein falsches Wort nach Gehör leichter auf als nach Auge — ein Tippfehler versteckt sich vor den eigenen Augen, springt aber sofort ins Ohr, sobald ihn jemand vorliest. Oder Hände und Augen sind gerade mit etwas anderem beschäftigt, während die Ohren frei sind. So oder so lautet die Frage, ob das iPhone die Worte einfach sagen kann, statt sie nur anzuzeigen — und die Antwort liegt in den Einstellungen, nicht in der App, die das Transkript geschrieben hat.

Die Funktion heißt Gesprochener Inhalt und gehört zu iOS, nicht zur App

Unter Einstellungen → Bedienungshilfen → Gesprochener Inhalt gibt es zwei verwandte Werkzeuge: Auswahl sprechen, das markierten Text vorliest, nachdem im Kontextmenü auf Sprechen getippt wurde, und Bildschirminhalt sprechen, das alles Sichtbare mit einem Zwei-Finger-Wisch von oben nach unten vorliest, ganz ohne Markieren. Beide funktionieren, indem sie vorlesen, was in diesem Moment auf dem Bildschirm steht. Keines von beiden fragt die App darunter um Erlaubnis oder Mitwirkung, weil keines das braucht — für iOS ist ein Transkript einfach nur Text, genau wie eine Nachricht, eine Webseite oder eine E-Mail.

Warum eine App dafür nichts extra bauen muss

Man nimmt leicht an, das sei eine Funktion, die manche Apps haben und andere nicht, wie eine Suchleiste oder ein Teilen-Button. So funktioniert es nicht. Gesprochener Inhalt liest den Bildschirm selbst, auf Ebene des Betriebssystems, was bedeutet, dass es bei einem Transkript genauso funktioniert wie bei jedem anderen Text — die Aufnahme-App muss nichts aktivieren, keinen Button hinzufügen, damit das verfügbar ist. Steht ein Transkript auf dem Bildschirm und ist mit den Augen lesbar, ist es auch für Gesprochener Inhalt lesbar.

Wo das sauber funktioniert

• Ein Transkript, das in der eigenen Detailansicht einer Aufnahme-App geöffnet ist — durchgehende Sätze, nichts sonst auf dem Bildschirm, das um Aufmerksamkeit konkurriert.
• Eine TXT-Datei, exportiert und geöffnet in Notizen, Dateien oder Mail — fortlaufender Text, genau die Form, die Bildschirminhalt sprechen am besten liest.
• Ein Transkript, das in eine beliebige andere App eingefügt wurde — eine Notiz-App, ein Nachrichtenentwurf, ein Dokument — weil es Gesprochener Inhalt egal ist, woher der Text stammt.

Wo es schlecht klingt: ein roher JSON-Export

Das ist der einzige Punkt, an dem das Format wirklich eine Rolle spielt. Ein JSON-Export hält Titel, Datum, Uhrzeit, Ort, Dauer und weitere Angaben eines Transkripts als getrennte, benannte Felder fest, eingefasst in geschweifte Klammern und Anführungszeichen, gebaut für ein Programm, nicht für ein Ohr. Diese Datei direkt geöffnet und von Gesprochener Inhalt vorgelesen, kommt jede Klammer, jeder Doppelpunkt und jeder Feldname laut mit vorgelesen, bevor überhaupt das erreicht wird, was tatsächlich gesagt wurde. Ein TXT-Export hat nichts von dieser Struktur. Titel, Datum, Uhrzeit und Ort stehen als einfache Textzeilen da, gefolgt vom Transkript als fortlaufendem Text — die Form, für die Gesprochener Inhalt gebaut wurde, und die richtige Wahl beim Export, wenn genau das der Plan ist.

Geschwindigkeit und Stimme werden ebenfalls außerhalb der App eingestellt

Bildschirminhalt sprechen zeigt während des Vorlesens kleine Bedienelemente auf dem Bildschirm — Abspielen und Pause, einen Satz zurück oder vor, und einen Geschwindigkeitsregler, der von merklich langsamer als ein sprechender Mensch bis deutlich schneller reicht. Welche Stimme vorliest, und in welcher Sprache, wird ebenfalls einmalig in den Einstellungen zu Gesprochener Inhalt festgelegt, nicht pro Transkript. Nichts davon konfiguriert eine Aufnahme-App; es ist dieselbe Vorlese-Erfahrung, egal ob der Text darunter aus einem Voice Memo, einer Webseite oder irgendetwas anderem auf dem Telefon stammt.

Wie Voice Studio damit umgeht

Voice Studio hat keinen eigenen Vorlese-Button und braucht auch keinen — ein Transkript in der App ist ganz normaler Text auf dem Bildschirm wie jeder andere, also liest Bildschirminhalt sprechen es genauso vor wie alles andere. Exportiert wird als TXT oder JSON, eine Einstellung statt einer festen Vorgabe: TXT eignet sich für alles, was laut oder mit den Augen gelesen werden soll, JSON lohnt sich, wenn wirklich die strukturierten Felder gebraucht werden — Dauer, Stimmung, Tags —, die ein Programm oder eine Tabelle auswerten würde.

Häufige Fragen

Braucht die Aufnahme-App eine eigene Vorlesefunktion, damit das funktioniert?

Nein. Gesprochener Inhalt ist eine systemweite Bedienungshilfe von iOS, die vorliest, was auf dem Bildschirm steht, in jeder App. Eine Aufnahme-App muss nichts bauen oder aktivieren, damit das bei einem Transkript funktioniert.

Wie schalte ich Bildschirminhalt sprechen ein?

Unter Einstellungen → Bedienungshilfen → Gesprochener Inhalt Bildschirminhalt sprechen aktivieren. Danach liest ein Zwei-Finger-Wisch von oben nach unten vor, was gerade sichtbar ist, in jeder App.

Warum klingt ein JSON-Transkript-Export beim Vorlesen seltsam?

JSON umschließt jedes Feld mit geschweiften Klammern, Anführungszeichen und Doppelpunkten, die für ein Programm gedacht sind, nicht zum Anhören. Gesprochener Inhalt liest das alles wörtlich vor. Ein TXT-Export hat diese Struktur nicht und klingt wie normale Sätze.

Kann ich Geschwindigkeit oder Stimme ändern?

Ja, beides wird einmalig unter Einstellungen → Bedienungshilfen → Gesprochener Inhalt eingestellt — ein Geschwindigkeitsregler sowie eine Stimm- und Sprachauswahl — und gilt danach für alles, was Gesprochener Inhalt vorliest, nicht pro Transkript.